本发明公开了一种基于深度学习的树木根径和深度预测方法及预测系统,属于无损检测技术领域。所述方法采用探地雷达A‑Scan数据进行树根半径和深度的预测,相比于B‑Scan图像,A‑Scan数据包含更多有关半径和深度的信息,且更加容易被深度模型学习到,因此,使用A‑Scan数据作为数据集更容易训练出精度高、鲁棒性强的根系半径和深度预测模型;采用卷积神经网络和注意力机制组成的深度学习模型来预测树根半径和深度,使用注意力机制突出关键特征对模型预测的影响,并通过卷积神经网络将局部特征综合为全局特征完成对树根半径和深度的预测,可以有效提高根系半径和深度预测的准确性。
声明:
“基于深度学习的树木根径和深度预测方法及预测系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)